🥬 비비드(vivid)한 레드(red) 컬러(color)의 고추가루가 판타스틱(fantastic)한 조화를 이룬 모던(modern)하고 시크(chic)하고 심플(simple)하고 트렌디(trendy)한 잇(it) 김치.
다음과 같이 한국어로 표현 가능한 단어를 알아 듣기 어려운 외국어 혼용과 만연체를 사용하는 문체를 보그(Vogue)체 라고 합니다.
보그체는 여성 패션 잡지, 보그(Vogue)에서 이러한 문장을 사용한 것에 유래 되었습니다.
그리고, 기존보다 문장의 가독성이 떨어지고, 허세가 가득한 인상을 남깁니다.
따라서 이번 자연어 프로젝트에서는 재미를 추구와 외국어의 남용에 대한 경각심을 깨우는 목적으로
일반 문장을 입력하면 보그체로 변환되어 출력되는 보그체 변환기를 만들었습니다.
깃허브
참조한 오픈소스, 사이트 및 패키지
- Python 3.XX
- Jupyter notebook 6.XX
- konlpy, json, requests, googletrans (pip, conda로 설치)
- 보그체로 변환시키고 싶은 문장을 입력
- 보그체로 변환할 때 사용할 번역기 선택
- 네이버 파파고를 선택할 때의 보그체로 변환된 문장과 원본 문장 출력
- 구글 번역을 선택할 때의 보그체로 변환된 문장과 원본 문장 출력
- 사용자가 변환하고 싶은 문장을 입력합니다.
당신의 존재는 내게 힘을 줍니다.
2. 입력 받은 문장을 띄어쓰기 공백을 기준으로 각 문자열 원소로 분류하여 Korean_Text 리스트에 저장합니다.
Korean_Text = [’당신의’, ‘존재는’, ‘내게’, ‘힘을’, ‘줍니다.’]
3. KoNLPy 한국어 형태소 분류 패키지의 Okt 방식으로 Korean_Text 리스트의 각 문자열 원소들의 품사를 매치시킵니다.
[[('당신', 'Noun'), ('의', 'Josa')],
[('존재', 'Noun'), ('는', 'Josa')],
[('내게', 'Verb')],
[('힘', 'Noun'), ('을', 'Josa')],
[('줍니다', 'Verb'), ('.', 'Punctuation')]]
4. Okt를 사용할 때, 분리된 단어와 품사의 묶음은 기본적으로 튜플의 형태인데 이후에 단어 변형에 유용하도록 튜플형태를 리스트형태로 변환시킵니다.
[[['당신', 'Noun'], ['의', 'Josa']],
[['존재', 'Noun'], ['는', 'Josa']],
[['내게', 'Verb']],
[['힘', 'Noun'], ['을', 'Josa']],
[['줍니다', 'Verb'], ['.', 'Punctuation']]]
5. 형태소 분류, 품사 구분지은 리스트를 가지고 보그체로 변형할 때 어떤 번역기를 사용할 지 묻습니다.
6. 네이버 파파고를 선택하면 Papago_Vogulize 함수가 동작합니다. Papago_Vogulize 함수에서는 미리 인증 받은 네이버 Developers Papago의 사용자 ID, 비밀키를 Papago API URL에 대입하여 requests 세션을 보냅니다.
7. 정상적으로 연결되면 4번에서 만든 리스트를 입력합니다. 분류한 형태소가 Noun, Exclamation일 때, Papago 번역기에 해당 단어를 넣어 영어로 번역합니다. 그 외의 품사를 가지는 형태소는 원형 그대로 반환합니다.
8. 영어로 번역된 단어를 영어-한글 표기 변환기 사이트에 한글 표기로 변환할 영어 단어를 입력하고 한글 표기 변환 단어를 반환받습니다.
9. 만약 한국어 단어 1개가 2개 이상의 영어 단어로 번역이 되는 경우에는(때 → at the time) 번역된 영단어를 띄어쓰기 공백을 기준으로 분리하고, 분리한 단어를 하나씩 8번 작업을 진행합니다.
10. 한글 표기로 변환된 단어와 영어로 변형된 단어를 같이 합쳐서 변형하기 전의 4번 리스트의 변환하기 이전의 단어 인덱스 위치에 그대로 저장합니다.
[[['당신', 'Noun'], ['의', 'Josa']],
[['존재', 'Noun'], ['는', 'Josa']]]
[[['유(You)', 'Noun'], ['의', 'Josa']],
[['엑시스턴스(existence)', 'Noun'], ['는', 'Josa']]]
11. 만약 한글 표기로 변환된 단어가 있을 때 바로 뒤에 붙는 조사가 ‘은’, ‘는’, ‘이’, ‘가’, ‘와’, ‘과’, ‘을’, ‘를’ 이 온다면, josa_change 함수를 실행하여 주격 조사를 자연스러운 형태로 바꿀지 확인합니다.
12. josa_change 함수에서 ends_with_jongsung 함수를 실행하여, 조사 바로 앞에 있는 글자가 종성이 있는지의 여부를 판단합니다.
13. ends_with_jongsung 함수에서 주격 조사 앞에 위치하는 글자의 유니코드를 ord로 변환시키고 ‘가’ 라는 글자의 유니코드 값의 차를 28로 나눴을 때 나머지 값이 존재하면 주격 조사 앞에 종성이 있다고 판단하여 상수 값을 반환하고, 그렇지 않으면 주격 조사 앞에 종성이 없다고 판단하여 None을 반환합니다.
14. josa_change 함수에서 알맞는 조사 형태로 변형될 필요가 있으면 다음과 같이 자연스럽게 문장이 연결되도록 조사 형태가 변형됩니다. (힘을 → 포스(Force)을 → 포스(Force)를)
15. 이와 같이 띄어쓰기로 분리된 단어 단위로 7~13번 작업을 문장이 끝날때 까지 반복하고, 변형된 단어마다 vogulized_sentence에 누적시킵니다.
16. 최종적으로 보그체로 변환된 vogulized_sentece와 원문과 같이 출력하여 원문이 어떻게 변환되었는지 비교할 수 있습니다.
유(You)의 엑시스턴스(Existence)는 내게 포스(Force)를 줍니다.
당신의 존재는 내게 힘을 줍니다.
17. 구글 번역기를 선택했을 때의 경우도 네이버 파파고를 선택했을 때와 비슷하게 6~15번 까지의 과정을 거칩니다. 단, 6번에서 네이버 파파고와 달리 Google_Vogulize 함수가 실행되고, 7번에서 googletrans 패키지의 Translator을 이용하여 공백 단위로 나눠진 단어를 영어로 번역합니다.
유(you)의 엑시스턴스(existence)는 내게 스트렌스(strength)를 줍니다.
당신의 존재는 내게 힘을 줍니다.
-
명사 이외의 다른 품사의 단어를 번역하고, 한글 표기로 변환할 때, 변환된 단어 뒤에 붙어야 할 자연스러운 조사의 형태가 명사일 때보다 매우 다양함. 그래서 글자 단위로 분절하는 Okt가 아닌 초/중/종성 단위로 분절이 되는 Kkma, Hannanum의 방식이 필요함. 따라서 불가피하게 현재 기능으로는 보그화 하는 단어의 품사를 명사, 감탄사만으로 한정지었음.
ex) 밥을 먹는다. → 라이스(rice)를 이트(eat)한다. ex) 밥을 먹으니 배가 부르다. → 라이스(rice)를 이트(eat)하니 쉽(ship)이 풀(full)하다. -
동사, 형용사 단어를 보그체로 만들기 위해서 Kkma, Hananum 방식을 사용할 때, '가 + -ㅂ니다', '예쁘 + -ㄴ' 와 같이 어간과 어미로 분리가 되는데, 단순히 동사형 어간으로만 영어를 번역하면 다른 의미로 해석이 되는 경우가 있었음. 따라서 정확한 해석을 위해서 '갑니다', '예쁜' 와 같은 형태로 임의적으로 합쳐져서 번역기에 들어가야 함. 그러나 임의적으로 글을 합치는 과정에서 ord를 이용해 글자가 합쳐질 때의 유니코드를 대조해 봤지만 ends_with_jongsung과 같은 규칙화 할 수 있는 패턴을 감지하지 못하였음.
-
단순히 분절된 단어 단위로 번역기에 넣어 해석하니 문장 전체의 문맥에 맞게 해석을 하지 못한 경우가 있음.
ex) 배에서 배를 먹었더니 배가 아프다. → 쉽(ship)에서 쉽(ship)을 먹었더니 쉽(ship)이 아프다.
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent